WorkBuddy 上线三个月 DAU 破 1300 万,腾讯办公 Agent 加速商业化
相关推荐
腾讯QClaw宣布停运:上线仅半年,用户迁往WorkBuddy
动察 Beating AI 快讯,腾讯 QClaw 宣布将于 12 月 24 日正式停止运营。今天起停止新用户注册、订阅购买和续费。现有用户仍可继续使用,未用完的付费订阅和积分包可以申请退款。12 月停服后只保留数据备份和迁移,2027 年 3 月 24 日起将删除除依法需留存外的用户数据。 QClaw 是腾讯电脑管家团队基于 OpenClaw 打造的本地 AI Agent,今年 3 月 10 日才开启内测。它主打直接通过微信远程指挥电脑处理文件和执行任务。4 月,腾讯还把 QClaw 推向海外;6 月的腾讯云 AI 大会上,QClaw 和 WorkBuddy 仍被作为两款独立的个人效率 Agent 同时宣传。 变化发生在 7 月。腾讯将 QClaw 产品中心相关业务和部分团队并入 WorkBuddy 所属的云产品六部,当时的内部通知还称「QClaw 产品仍将持续运营」。两个月后,QClaw 就宣布停服。 腾讯已经在 QClaw 官网加入「迁移到 WorkBuddy」入口。用户可以把配置、记忆、Agent 人格和对话记录迁过去,完成有效迁移还会获得 1000 积分。
腾讯WorkBuddy企业版加速迭代,上线一站式 Agent 可观测平台
10月13日,腾讯WorkBuddy企业版管理后台上线“可观测中心”,并开启公测。“可观测中心”提供了实时观测、会话追踪、轨迹详情三大能力,通过宏观观测捕捉问题,再微观定位具体原因,最后闭环反哺优化,让企业部署与使用企业级Agent的门槛更低、效率更高。
DeepSeek Harness底座Cordis有了Rust实现:DimAgent准备用它重构
动察 Beating AI 快讯,DimAgent 创始人 Han Cheng 开源插件运行时 Rutis,并表示接下来会用它支撑 DimAgent 的新架构。Rutis 用 Rust 重新实现了 Cordis 的核心设计,后者正是 DeepSeek Harness 使用的底层插件框架。 DeepSeek Harness 用 Cordis 管理模型、工具、会话、Agent Loop 等组件。每个组件都可以做成插件,只声明自己需要和提供哪些服务,Cordis 负责启动、卸载、依赖变化和资源清理。 Rutis 把这套机制搬到了 Rust,同时支持 TypeScript、JavaScript 和 Python 插件。不同语言的插件可以互相调用,也可以分布在不同进程和机器上运行。现有 Cordis 插件也可以直接接入,不需要全部重写。
阿里云:Token Plan个人版升级,新增12类Agent Harness工具
火星财经消息 9月11日,阿里云Token Plan个人版升级。据介绍,原有价格及Credit额度保持不变,Standard和Pro套餐新增Agent Harness工具权益与用量,覆盖搜索、网页解析、图像生成、语音处理、代码执行等12项Agent开发常用能力。(广角观察)
DeepSeek开始模型和Agent一起训:V4.1 Flash为Harness专项优化
动察 Beating AI 快讯,DeepSeek Harness v0.1.5 发布。V4.1 Flash 在训练阶段就针对 Harness 做了专项训练和优化,覆盖标准、PTC 和极简三种模式。Harness 已经直接进入模型训练环节,不再只是模型发布后再接一个 Agent 外壳。 新版还加入实验性的 Agent Teams。父子 Agent 可以双向通信,主 Agent 能给不同子 Agent 指定模型和推理强度;多个 Agent 还能共享任务、互相发消息,最后由主 Agent 汇总。 V4.1 Flash 还有一个很特别的长任务优化:Agent 跑到一半修改系统提示词,也可以尽量保留已有 KV Cache。长任务不用因为前面的规则改了一点,就把后面大段上下文重新计算。 Web 端也加入文件上传和预览,支持 PDF、图片、代码等格式。插件可以往左右 Sidebar 和内容区接入自己的 UI,长会话的加载、恢复和内存占用也一起做了优化。
谷歌开源 Harness²,GLM-5 跑分提高 11.5 分
火星财经消息,Google Research 开源 AI 工具链自改进框架 Harness²,使 AI Agent 在不重新训练模型的情况下,自动修改系统提示词、记忆、Skills、工具规则以及脚本和插件。项目采用 Apache 2.0 协议,支持 OpenCode 和 Codex。其核心机制是让 Agent 自行试错,遇到新任务时先提出几套改进方案,再由不同版本的 Agent 分别执行并比较表现,最后组合出更合适的方案。即使没有标准答案,系统也可根据实际执行过程寻找改进方向。任务结束后,系统会记住哪些修改有效以及原因,供下次类似问题参考。谷歌使用 GLM-5 和 Gemini 3.5 Flash 进行测试。在 WorkBuddy-Bench 上,GLM-5 搭配 OpenCode,仅一轮优化后平均成绩从 64.2 分提高到 75.7 分,超过未优化的 Gemini 3.5 Flash 的 72.4 分。在法律任务测试中,GLM-5 部分评分标准通过率从 59.6% 升至 71.4%。实验中默认由 Claude Opus 4.8 负责提出和实施改进,GLM-5 和 Gemini 主要负责执行任务,并非完全依靠自身实现进化。国内开发者 Joseph Zhou 展示了 Harness² 接入 Jev 1.14 的实验,称视觉任务表现持续改善。